Pengembangan Model Kebijakan Persediaan Produk Multi Agro-Perishable dengan Mempertimbangkan Biaya Energi dan Kapasitas Ruang Simpan TUGAS AKHIR
Nama Mahasiswa : Galuh Putri Wahyuningtyas NRP : 2510 100 124 Dosen Pembimbing : Dr. Eng. Ir. Ahmad Rusdiansyah, M.Eng., CSCP
Pendahuluan Latar Belakang Penelitian Perumusan Masalah Penelitian Tujuan Penelitian Kontribusi atau Manfaat Penelitian Batasan dan Asumsi Penelitian
Metodologi Penelitian Pengembangan Model Percobaan Numerik Kesimpulan dan Saran
Supply Chain Management Food Supply Chain Perishable Product
Grocery Market Inventory for Shelf Space
Penurunan Kualitas
Demand Info
Product Delivery VENDOR
RETAILER
Energi
Penurunan Kualitas Keterbatasan Ruang Simpan
Bagaimanakah model kebijakan persediaan yang digunakan Bagaimanakah suhu cooling optimal pada rak penyimpanan produk agro-perishable
%
Bagaimanakah komposisi persediaan terbaik untuk masing-masing produk agro-perishable pada rak penyimpanan
Bagaimanakah siklus replenishment dan order size terbaik yang dilakukan untuk tiap siklus
Mengembangkan model terintegrasi untuk menghitung total biaya persediaan dalam sistem dengan mempertimbangkan keterbatasan kapasitas rak simpan (display) dan biaya energi akibat pengaruh suhu. Mengetahui pengaruh biaya energi dan keterbatasan kapasitas rak simpan (display) terhadap kebijakan persediaan. Membuat strategi penyimpanan dan kebijakan persediaan produk dengan mempertimbangkan konstrain yang ada
Mengetahui behaviour dari kebijakan persediaan yang menggunakan produk multi agro-perishable (buahbuahan). Mengetahui dampak biaya energi dan keterbatasan kapasitas rak simpan (display) terhadap berbagai komponen di dalam sistem. Mengisi gap penelitian yang mempelajari kebijakan persediaan pada industri makanan di mana kebijakan replenishment rutin dan lot size digunakan untuk mengelola persediaan produk multi agro-perishable.
SUHU KONSTAN MEMILIKI KETERBATASAN KAPASITAS DEMAND DETERMINISTIK
•Sistem supply chain yang dibuat terdiri dari REPLENISMENT satu vendor dan satu CYCLE RUTIN retailer. •Data yang digunakan pada pengujian model merupakan data SHORTAGES TIDAK DIIJINKAN sekunder. •Rak penyimpanan digunakan untuk buahKONDISI AWAL RAK buahan dengan dimensi PENUH yang sejenis •Biaya yang dipertimbangkan dari sisi
retailer PENGIRIMAN DILAKUKAN MENGIKUTI LOT SIZE YANG TELAH DITENTUKAN
KUALITAS PRODUK DATANG = 90%
SUHU COOLING OPTIMAL
MULTI AGROPERISHABLE PRODUCT
MEMILIKI PERBEDAAN KARAKTERISTIK
PROPORSI TIAP PRODUK EOQ TIAP PRODUCT SIKLUS REPLENISHMENT
PENGGUNAAN ENERGI DERAJAT PENURUNAN KUALITAS (θ)
SUHU PENYIMPANAN REKOMENDASI
TOTAL BIAYA SISTEM
ROUTINE REPLENISMENT LOT SIZE SINGLE VENDOR ORDER COST HOLDING COST DETERIORATION COST
INVENTORY COST
ENERGY COST DISCOUNT COST
SINGLE RETAILER
𝑄𝑖 =
BELUM MEMPERTIMBANGKAN PENURUNAN KUALITAS
2 𝑂𝐶𝑖 𝐷𝑖 𝑚 𝐻𝑏𝑖 + 𝐴𝑐 𝑆𝑖
KETERBATASAN KAPASITAS
𝐷𝑖 𝐻𝑏𝑖 𝜃𝐶 𝐷𝑖 𝐻𝑏𝑖 𝐶 𝑇𝐶𝑏𝑖 = 𝑇𝑖 + 𝑒 −1 − + 𝑝𝑖 𝑄𝑖 − 𝐷𝑖 𝐶 /𝐶 2 𝜃 𝜃
BELUM MEMPERTIMBANGKAN BIAYA ENERGI
FAKTOR PENURUNAN KUALITAS BERUPA KONSTANTA
𝑚
𝑞 = 𝑞0 −
𝑘𝑜 𝑡𝑖 . 𝑒𝑥𝑝 −𝐸𝑎 /𝑅𝑇𝑖 𝑖=1
𝐶𝑂𝑃𝑐𝑜𝑜𝑙𝑖𝑛𝑔
𝑄𝑐𝑜𝑙𝑑 𝑇𝑐𝑜𝑙𝑑 = = 𝑄ℎ𝑜𝑡 − 𝑄𝑐𝑜𝑙𝑑 𝑇ℎ𝑜𝑡 − 𝑇𝑐𝑜𝑙𝑑
DIKALIKAN DENGAN RATA-RATA PERSEDIAAN (ZANONI & ZAVANELLA, 2012)
MENGGANTIKAN TETA (θ)
𝑄𝑖 =
2 𝑂𝐶𝑖 𝐷𝑖 𝑚 𝐻𝑏𝑖 + 𝐴𝑐 (𝑆𝑖 + 𝜃) MEMASUKKAN UNSUR PENURUNAN KUALITAS PRODUK
𝑄𝑖 =
2 𝑂𝐶𝑖 𝐷𝑖 𝑚 𝐻𝑏𝑖 + 𝐴𝑐 (𝑆𝑖 + 𝑘𝑜. 𝑒 [−𝐸𝑎
𝑅𝑇 ] )
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑒 𝑇𝐶 𝐷𝑖 𝐻𝑏𝑖
𝑛
=
𝑘𝑜. 𝑒 [−𝐸𝑎 𝑖=1
𝑅𝑇 ] 2
𝐷𝑖 𝐻𝑏𝑖 𝐶𝑖 −1 − 𝑘𝑜. 𝑒 [−𝐸𝑎 𝑅𝑇 ] 𝑂𝐶𝑖 + 𝑃𝑖 𝑄𝑖 − 𝐷𝑖 𝐶𝑖
[−𝐸 𝑎 𝑅𝑇 ] 𝐶 𝑖 𝑒 𝑘𝑜 .𝑒
Variabel keputusan Tl suhu cooling Qi Lot size pemesanan
𝑇𝑜 𝑇𝐻 − 𝑇𝑜
𝑇𝑜 + /𝐶𝑖 𝑇𝐻 − 𝑇𝐿
Single product
• Pengaruh suhu terhadap: • Derajat penurunan kualitas • Faktor energi • Biaya Simpan
Multi products
• Uji numerik teta, proporsi dan EOQ masih-masing product • Penentuan kebijakan persediaan optimal
Skenario
• Pengaruh perubahan demand • Sisi profit
Ko = 6,00404
Suhu rekomendasi
Ko = 3,6024246
Suhu rekomendasi =
= 00C-1,50C
Ko = 3,0020205
Suhu rekomendasi = 4,50C-7,50C
2,50C-50C
Suhu cooling memiliki trend positif dengan peningkatan derajat penurunan kualitas
Biaya simpan memiliki trend positif dengan peningkatan derajat penurunan kualitas
Trade off terjadi antara pengali energi dengan derajat penurunan kualitas. Nantinya akan didapatkan Total Cost minimal pada saat suhu cooling tertentu
Apel memiliki perubahan θ yang paling signifikan, disusul oleh jeruk dan tomat
EOQ memiliki hubungan trend negatif dengan θ, semakin besar nilai θ maka EOQ semakin kecil
Dengan memperhatikan kapasitas, terjadi subtitusi proporsi buah berdasarkan θ
Dengan memperhatikan kapasitas, terjadi subtitusi EOQ buah berdasarkan θ
Goal : Minimize Cost Kebijakan : -Suhu : 40C -Siklus : 8 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674
Demand = 50 (Rendah) Kebijakan : -Suhu : 1,50C -Siklus : 13 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674
Demand = 75 (Sedang) Kebijakan : -Suhu : 40C -Siklus : 8 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674
Demand = 100 (Tinggi) Kebijakan : -Suhu : 60C -Siklus : 6 hari sekali -EOQ apel : 651 -EOQ jeruk : 671 -EOQ : 678
Goal : Maximize Profit Kebijakan : -Suhu : 1,50C -Siklus : 13 hari sekali -EOQ apel : 660 -EOQ jeruk : 669 -EOQ : 671
Kebijakan yang diambil sama dengan tujuan minimize cost
Demand = 75 (Sedang) Kebijakan : -Suhu : 40C -Siklus : 8 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674
Kebijakan sama dengan tujuan minimize cost
Demand = 100 (Tinggi) Kebijakan : -Suhu : 5,50C -Siklus : 6 hari sekali -EOQ apel : 652 -EOQ jeruk : 671 -EOQ : 677 Kebijakan berbeda dengan tujuan minimize cost dikarenakan masih mampu menutupi pengeluaran (biaya energi) yang terjadi dengan memilih suhu 0,50C lebih dingin
1. Ada trade off yang terjadi antara derajat penurunan kualitas dengan pengali energi. Semakin tinggi suhu pendingin derajat penurunan kualitas (biaya penurunan kualitas) semakin naik dan pengali energi (biaya energi) semakin turun sehingga akan didapatkan Total Cost minimum pada suatu titik suhu pendingin tertentu. 2. Kebijakan persediaan dengan tujuan minimasi total cost berbeda dengan tujuan maksimasi profit jika revenue yang didapatkan masih mampu menutupi biaya energi yang muncul akibat memilih suhu pendingin lebih rendah. 3. Hasil dari penelitian tugas akhir ini adalah model kebijakan persediaan meliputi suhu pendingin, proporsi, EOQ dan siklus replenishment untuk multi agro-perishable product dengan mempertimbangkan biaya energi dan kapasitas rak simpan (display).
1. Pada penelitian ini biaya yang dipertimbangkan hanya dari sisi retailer, belum memperhatikan dari sisi vendor. Jika mampu dikembangkan ke sisi vendor maka bisa didapatkan Joint Total Cost. 2. Asumsi untuk kualitas produk datang ke retailer pada penelitian ini adalah 90%, belum dilakukan pengamatan langsung dalam proses distribusi dari vendor ke retailer. 3. Pada penelitian ini seluruh produk di akhir siklus replenishment akan dikenakan diskon dan terjual habis, selanjutnya bisa dilakukan proporsi produk diskon yang terjual dan produk diskon yang ter-disposal. 4. Pada penelitian ini belum memperhatikan perubahan kebijakan persediaan yang akan terjadi jika diterapkan dynamic temperature menyesuaikan dengan kondisi stok produk.
Andersson, H., Hoff, A., Christiansen, M., Hasle, G., Lokketangen, A. (2010), “Industrial Aspects and Literature Survey: Combined Inventory Management and Routing”, Computers & Operations Research, 37, hal. 1515-1536. Buzzell, R.D., Ortmeyer, G. (1995), “Channel Partnerships Streamline Distribution”, Sloan Management Review, 36, hal. 85–96. Chopra, S., Meindl, P. (2004), Supply chain Management: Strategy, Planning, and Operation, Pearson Education. Dong, Y., Xu, K. (2002), “A Supply Chain Model of Vendor Managed Inventory”. Transportation Reserach Part E, 38, hal. 75-95. Hammond, J.H. (2003), The Value of Information, McGraw-Hill, Singapore. Hsieh, T.P., Dye, C.Y. (2010), “Optimal Replenishment Policy for Perishable Items with Stock-Dependent Selling Rate and Capacity Constraint”, Computers & Industrial Engineering, 59, hal. 251-258. Labuzza, T.P. (1982), Shelf-Life Dating of Foods. Food & Nutrition Press, Westport. Osvald, A., Stirn, L.Z. (2008), “A Vehicle Routing Algorithm for the Distribution of Fresh Vegetables and Similiar Perishable Food”, Journal of Food Engineering, 85, hal. 285-295. Pujawan, I Nyoman (2011), Supply Chain Management, Guna Widya, Surabaya Putri, Winda Aprilia Kusuma (2013), Pengembangan Model Strategi Persediaan Bersama untuk ProdukProduk Perishable Multi-Suhu dalam Sistem Vendor Managed Inventory (VMI), Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Rong, A., Akkerman, R., Grunow, M. (2011), “An Optimization Approach for Managing Fresh Food Quality throughout the Supply Chain”, Int. J. Production Economics, 131, hal. 421-429.
Trihardini, L. (2011), Pengembangan Model Distribusi Produk Perishable Multi Temperatur dengan Mempertimbangkan Biaya Energi, Institut Teknologi Sepuluh Nopember, Surabaya. Tyan, J., Wee, H.M. (2003), “Vendor Managed Inventory: a Survey of the Taiwanese Grocery Industry”, Journal of Purchasing and Supply Management, 9, hal. 11-18. USDA (2008). Protecting Perishable Foods during Transport by Truck. In: Agriculture, U.S.D.O (Ed.) Transportation and Marketing Programs Ed. United States. Van Donk, D.P., Akkerman, R., Van der Vaart, T. (2008), “Opportunities and Realities of Supply Chain Integration: the Case of Food Manufacturers”, British Food Journal, 110, hal. 218-235. Waller, M., Johnson, M.E., Davis, T. (1999), “Vendor Managed Inventory in the Retail Supply chain”, Journal of Business Logistics, 20, hal. 183-203. Waters, C.D.J. (1992), Inventory Control and Management, John Wiley & Sons Ltd, England. Yu, Y., Huang, G.Q. (2010), “Nash Game Model for Optimizing Market Strategies, Configuration of Platform Products in a Vendor Managed Inventory (VMI) Supply Chain for a Product Family”, European Journal of Operational Research, 206, hal. 361-373. Yu, Y., Huang, G.Q., Hong, Z., Zhang, X. (2011), “An Integrated Pricing and Deteriorating Model and a Hybrid Algorithm for a VMI (Vendor-Managed-Inventory) Supply chain”, IEEE Transactions on Automation Science and Engineering, 4, hal. 673-682. Yu, Y., Wang, Z., Liang, L. (2009), “Stackelberg Game Theory Model for Optimizing Advertising, Pricing and Inventory Policies in Vendor Managed Inventory (VMI) Supply Chains”, Computers & Industrial Engineering, 57, hal. 368–382. Yu, Y., Wang, Z., Liang, L. (2012), “A Vendor Managed Inventory Supply Chain with Deteriorating Raw Materials and Products”, Int. J. Production Economics, 136, hal. 266-274.
